로지스틱 회귀의 결정 경계를 플로팅

Question

로지스틱 회귀를 구현하고 있습니다. 나는 그로부터 확률을 얻을 수 있었고, 2 등급 분류 과제를 예측할 수 있었다.

내 질문은 : 내 최종 모델의 경우

, 나는 무게와 훈련 데이터가 있습니다. 2 가지 기능이 있으므로 내 체중은 2 행의 벡터입니다.

어떻게 계획하나요? 나는 this post을 보았지만 대답을 이해하지 못했습니다. 등고선이 필요합니까?

Answer 1

로지스틱 회귀 분류기의 장점은 적합하면 모든 샘플 벡터에 대한 확률을 얻을 수 있다는 것입니다. 음모를 꾸미는 것이 재미있을 수 있습니다. 다음은 사용 예입니다 scikit을 배우기 :

import numpy as np 
from sklearn.linear_model import LogisticRegression 
from sklearn.datasets import make_classification 
import matplotlib.pyplot as plt 
import seaborn as sns 
sns.set(style="white") 

첫째, 데이터를 생성하고, 트레이닝 세트에 분류에 맞게 :

이

X, y = make_classification(200, 2, 2, 0, weights=[.5, .5], random_state=15) 
clf = LogisticRegression().fit(X[:100], y[:100]) 

다음, 값의 연속 격자를 만들고 각의 가능성을 평가 (x, y)의 모눈에 가리 :

xx, yy = np.mgrid[-5:5:.01, -5:5:.01] 
grid = np.c_[xx.ravel(), yy.ravel()] 
probs = clf.predict_proba(grid)[:, 1].reshape(xx.shape) 

해주기, 그 위에 테스트 세트 샘플을 등고선으로 확률 격자 플롯 추가적으로 보여

01,235,164을

f, ax = plt.subplots(figsize=(8, 6)) 
contour = ax.contourf(xx, yy, probs, 25, cmap="RdBu", 
         vmin=0, vmax=1) 
ax_c = f.colorbar(contour) 
ax_c.set_label("$P(y = 1)$") 
ax_c.set_ticks([0, .25, .5, .75, 1]) 

ax.scatter(X[100:,0], X[100:, 1], c=y[100:], s=50, 
      cmap="RdBu", vmin=-.2, vmax=1.2, 
      edgecolor="white", linewidth=1) 

ax.set(aspect="equal", 
     xlim=(-5, 5), ylim=(-5, 5), 
     xlabel="$X_1$", ylabel="$X_2$") 

로지스틱 회귀 원하는 임계 값에 따라 분류 새로운 샘플을 수 있습니다, 그래서 그것은 본질적으로 하나가없는 "결정 경계를." 물론, 공통적 인 의사 결정 규칙은 p = .5입니다. 우리는 또한 단지 위의 코드를 사용하여 해당 윤곽 수준을 그릴 수 있습니다 :

f, ax = plt.subplots(figsize=(8, 6)) 
ax.contour(xx, yy, probs, levels=[.5], cmap="Greys", vmin=0, vmax=.6) 

ax.scatter(X[100:,0], X[100:, 1], c=y[100:], s=50, 
      cmap="RdBu", vmin=-.2, vmax=1.2, 
      edgecolor="white", linewidth=1) 

ax.set(aspect="equal", 
     xlim=(-5, 5), ylim=(-5, 5), 
     xlabel="$X_1$", ylabel="$X_2$")